一种木片表面缺陷的自动化识别系统及方法 专利技术说明

测量装置的制造及其应用技术1.本发明公开涉及木材加工研究与应用开发技术领域，尤其涉及一种木片表面缺陷的自动化识别系统及方法。背景技术：2.胶合板是重要的木材产品之一，其生产工艺是将原木进行去皮、旋切、干燥、上胶、模压等工艺，制成胶合板。而由于木材生长周期内，在生长过程中容易形成节疤、虫洞等缺陷，并且旋切得到的木片在干燥过程中，由于木材的生长应力、水份蒸发速度等因素的影响，也造成了单板表面皱缩和开裂的缺陷。这些因素不仅影响了胶合板的外观，也严重的影响了胶合板的强度，进而影响了胶合板的品质和质量。3.因此，在木材加工过程中，将木片分成不同的等级，有利于提高木片的利用率、提高产品的品质，例如：表面缺陷较少的单板用于胶合板的面板，而缺陷较多的木片则用于板芯或低端胶合板产品。随着木材加工产业的发展，对木片的表面缺陷的分析判定和木片的自动化分选尤为重要。目前很多小型加工企业在木片分级环节仍采用人工分级，该方法是采用工作人员的视觉和工作经验对木片表面缺陷类别进行判断和单板等级的评价，该方法存在一定的缺陷，一方面人工视觉判断受主观因素影响较大，导致不同工作人员的判断结果不尽相同；另一方面，木片分选劳动强度大，人工分选不仅工作效率低，而且分选人员容易产生视觉疲劳，对木片分级产生判断错误。以上这些因素都影响了胶合板的品质和木片的利用率。4.因而，建立一种高效、可靠的木片表面缺陷自动分级系统，对于提高胶合板的产品质量、降低生产成本尤为重要。技术实现要素：5.鉴于此，本发明公开提供了一种木片表面缺陷的自动化识别系统及方法，以实现对木片的智能化、高效分选。6.第一方面，本发明提供了一种木片表面缺陷的自动化识别系统，包括高清摄像头、线性激光光源、反射镜片及电机；7.线性激光光源设置于反射镜片前方，电机的驱动电机轴与反射镜片连接，线性激光光源发射的在木片表面形成的投影光线与线性激光光源所构成的平面与木片表面成约30-70度夹角；8.所述高清摄像头设置在木片的垂直上方；9.所述电机的电机轴可旋转角度为：0-360度；10.电机驱动电机轴带动反射镜片发生角度的旋转，每次旋转的角度的取值为0.001-0.2度；11.进一步地，所述平面超出木片的边界。12.第二方面，本发明提供了一种应用所述系统自动化识别木片表面缺陷的方法，包括如下步骤：13.s1:电机驱动电机轴带动反射镜片发生角度的旋转,每次旋转的角度的取值为0.001-0.2度，调整投影光线与线性激光光源所构成的平面与木片表面成约30-70度夹角，对木片表面进行逐行扫描，位于木片上方的高清摄像头采集木片表面区域的图像；14.s2:木片表面缺陷识别时，电机驱动电机轴带动反射镜片发生旋转，将投影光线投影到木片的左下角，位于木片上方的高清摄像头采集木片表面区域的图像；若木片表面没有缺陷，则光线在木片表面的投影为一条直线；若木片表面有裂纹或孔洞缺陷，则光线在木片表面投影的直线将变成折线；15.s3:针对存在裂纹或孔洞缺陷的木片，采用木片表面缺陷快速检测方法快速识别出缺陷的位置和轮廓；16.s4:完成上述步骤后，电机旋转角度的取值为0.01度，带动投影光线向右上角的方向平行移动，继续重复上述的扫描，直到投影光线从木片右上角离开木片为止；通过上述的扫描，获得木片表面的缺陷数量和分布规律，并对木片的等级进行判定。17.进一步地，所述木片表面缺陷快速检测方法包括：18.s31:获取木片表面激光投射图案；s32:获取缺陷外轮廓点；s33:获取缺陷点；s34:获取缺陷区域；s35:计算缺陷面积；s36:判定木片等级。19.进一步地，所述s31具体为：通过摄像头拍摄获得的图像数据为包含红、绿、蓝三色的像素数据，获得图像行像素点个数为n个，列像素点个数为m个；采用五维数组image[i,j,r,g,b]对图像数据进行描述，其中i表示当前像素点的行序号，j表示当前像素点的列序号，r表示该像素点的红色值，g表示该像素点的绿色值，b表示该像素点的蓝色值；[0020]对采集到的木片表面图像image[i,j,r,g,b]进行颜色筛分：设定图像的红绿蓝三色的临界值cr、cg、cb，对图像所有像素点的红绿蓝三个颜色进行判断，若像素点的红绿蓝三个颜色值均高于红绿蓝三色的临界值cr、cg、cb，则将该点的r、g、b各像素值均设定为0，否则将该点的r、g、b各像素值均设定为1，完成所有像素点的设定后，得到一幅黑白的图像；[0021]进一步地，所述s32具体为：[0022]创建一个曲线数组outline[k,ik,jk],k为曲线上点的序号，其初值为1；ik表示当前像素点的在image图片数组中的行序号，jk表示当前像素点的在image图片数组中的列序号；[0023]创建一个计数器num，用于记录曲线数组元素的个数，其初值为0；[0024]取image[i,j,r,g,b]的第1行数据，即i＝1,从第1列开始到最后一列，进行逐列分析像素点的信息，即从j＝1(即image[1,1,r,g,b])到j＝m(即image[1,m,r,g,b])，逐个像素点判断该点image[i,j,r,g,b]的rgb值是否均等于0，若不等于0，则j＝j+1，继续判断rgb值是否均等于0，直到j＝m；若image[i,j,r,g,b]的rgb值均等于0，则在outline[k,i,j]数组中记录当前image[i,j,r,g,b]像素的i和j值，并将序数k＝k+1，将计数器num值自增，即num＝num+1；且图像image[i,j,r,g,b]跳到下一行，即i＝i+1行；[0025]重复上述像素点的步骤，直到i＝n；遍历完图像image[i,j,r,g,b]中的所有像素点，得到outline[k,ik,jk]曲线和曲线数组元素的个数num。[0026]进一步地，所述s33具体为：[0027]创建一个曲线一阶导数数组daoshu[h,ih,jh,vh],h为一阶导数元素的序号，导数数组的元素有num-1个，ih表示序号为h的导数数组元素在image图片数组中的行序号；jh表示序号为h的导数数组元素在image图片数组中的列序号；vh表示曲线数组outline[k,ik,jk]在k＝h点处的导数值，vh值等于曲线数组outline[h+1,ih+1,jh+1]的列序号jh+1减去outline[h,ih,jh]的列序号jh的值，除以outline[h+1,ih+1,jh+1]的行序号ih+1值减去outline[h,ih,jh]的行序号ih值；[0028]求取导数数组daoshu的平均值meandaoshu,meandaoshu等于所有导数数组daoshu[h,ih,jh,vh]之和除以导数数组元素的个数num-1；[0029]创建一个缺陷数组quexian[p,ip,jp]，p为缺陷数组元素的序号，其初值为0；ip为序号为p的缺陷数组元素在图像数组imageimage图片数组中的行序号；jp为序号为p的缺陷数组元素在图像数组imageimage图片数组中的列序号；[0030]设定导数数组偏离临界点的临界值cdaoshu，判断曲线一阶导数数组daoshu[h,ih,jh,vh]中的各vh与meandaoshu差值的绝对值是否大于cdaoshu，若其插值大于cdaoshu则quexian[p,ip,jp]的第p个元素的ip＝ih，jp＝jh，并将p＝p+1按上述方法对daoshu数组中每一个元素进行分析，初步得到缺陷素组quexian；删除缺陷素组quexian中的第一点和最后一点，得到摄像头采集的木片图像上缺陷分布的缺陷数组quexian[p,ip,jp]；[0031]定义一个总sumquexian[t,it,jt],用于统计整张木片表面的缺陷，t为缺陷的序号，it是序号为t的缺陷点在image[i,j,r,g,b]中的行序号；jt是序号为t的缺陷点在image[i,j,r,g,b]中的列序号；利用单色的线激光以一定的角度从木片表面的左下角到木片右上角逐渐移动，每次移动距离相对上次位置1-5mm，每次移动线激光，利用高清相机拍摄木片表面线激光投射的照片，按照上述的方法，对每次移动线激光，所得到的缺陷数组quexian[p,ip,jp]进行累计，将quexian[p,ip,jp]中的所有缺陷数据累加到sumquexian[t,ip,jp]中，从而得到整张木片表面的缺陷数据。[0032]进一步地，所述s34具体为：[0033]定义以缺陷轮廓数组quexian_outline[r,ir,jr]，r为缺陷轮廓数组中点的序号，r初值为1；ir为序号为r的轮廓数组在image[i,j,r,g,b]图片数组中的行序号；jr为序号为r的轮廓数组在image[i,j,r,g,b]e图片数组中的列序号；取缺陷数组quexian[p,ip,jp]中的第一个元素quexian[1,i1,j1]，quexian_outline添加该点，r＝r+1,ir＝ip,jr＝jp,判断该元素与缺陷数组与其余元素之间的距离d,d＝(jp-j1)*(jp-j1)+(ip-i1)*(ip-i1)的平方根；取d最小的缺陷数组元素作为的下一点,在quexian[p,ip,jp]中删除当前点，并在quexian_outline中记录该元素；[0034]重复上面的方法，直到所有缺陷点quexian都分析完毕，得到缺陷轮廓quexian_outline数组。[0035]进一步地，由于木片表面缺陷的轮廓多为凸多边形，因此将quexian_outline[r,ir,jr]的所有点，总共有k个点，从quexian_outline[r,ir,jr]点向除了outline[1,2,i,j]点和终点以外的点连线，可以构成k-1个三角形；对每个三角形计算三条边的边长：a,b,c，和平均周长p＝(a+b+c)/2，按照公式：三角形面积s＝p(p-a)(p-b)(p-c)的1/2次方；[0036]统计所有k-1个三角形的面积，得到缺陷的面积s，统计缺陷的数量num＝num+1和缺陷面积之和ssum＝ssum+s；[0037]完成步骤上述步骤s31-34后，再次在三维数组image数组中找像素值r、g、b均不为零的点，执行步骤s31-34得到image数组中所有像素点均为1为止,最终得到木片上所有缺陷的数量num和所有缺陷面积之和ssum。[0038]进一步地，所述s36具体为：预设a级板临界缺陷面积sa，其值变化范围为：0.0001-0.2平方米；b级板临界缺陷面积(sb)，其值变化范围为：0.0001-0.2平方米；当木片上缺陷面积ssum《sa判定为a级板；当木片上缺陷面积sa《ssum《sb判定为b级板；当木片上缺陷面积ssum》sb判定为c级板。[0039]本发明提供的一种木片表面缺陷的自动化识别系统及方法，是一种高效、可靠的木片表面缺陷自动分级系统，能够显著提高胶合板的产品质量、降低生产成本，应用时能够快速识别出缺陷的位置和轮廓，并对木片的等级进行判定。[0040]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明的公开。附图说明[0041]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。[0042]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0043]图1为本发明公开实施例提供的一种木片表面缺陷的自动化识别系统的组成结构示意图；[0044]图2为本发明公开实施例提供的一种木片表面缺陷的自动化识别系统中对木片扫描时的关键点分布图；[0045]图3为本发明公开实施例提供的一种木片表面缺陷的自动化识别方法中获取木片表面激光投射的黑白图像；[0046]图4为本发明公开实施例提供的一种木片表面缺陷的自动化识别方法中计算缺陷面积的示意图。具体实施方式[0047]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的系统的例子。[0048]为了解决现有技术中，仅依靠人工视觉和工作经验对木片表面缺陷类别进行判断和单板等级的评价等，首先本实施方案提供了一种木片表面缺陷的自动化识别系统，如图1-2所示，包括高清摄像头1、线性激光光源2、反射镜片10及电机12；高清摄像头1设置在垂直木片上方，可拍摄到木片及边缘区域。反射镜片10设置于电机12上的电机轴11，电机12驱动的电机轴11旋转(旋转角度为：0-360度)，带动反射镜片10旋转，并将投影光线5在木片表面进行投影，并且光线的投影范围要超出木片的边界，以便对木片边缘及缺陷进行检测。随着电机12转动的角度不同，投影光线5可从木片左下角到右上角连续变化，投影光线5与线性激光光源2所构成的平面与木片表面成约30-70度夹角，实现对木片表面的扫描，如图1中，木片边缘点6；缺陷点7-8；木片边缘点9；[0049]木片表面缺陷识别开始时，电机12驱动电机轴11带动反射镜片10发生旋转(每次旋转的角度的取值为0.001-0.2度，优选0.01度)，投影光线5与线性激光光源2所构成的平面与木片表面成约30-70度夹角，将投影光线5投影到木片3的左下角，对木片表面进行逐行扫描；位于木片上方的高清摄像头采集木片表面区域的图像；若木片表面没有缺陷，则光线在木片表面的投影为一条直线；若木片表面有裂纹或孔洞缺陷，则光线在木片表面的投影的直线将变成折线；采用木片表面缺陷快速检测方法，可以快速识别出缺陷的位置和轮廓。完成上述动作后，电机旋转的角度的取值为0.01度，带动投影光线5向右上角的方向平行移动，继续重复上述的扫描，直到投影光线5从木片右上角离开木片为止。通过上述的扫描，可以获得木片表面的缺陷数量和分布规律，并对木片的等级进行判定。[0050]上述木片表面缺陷快速检测方法具体包括如下步骤：[0051](1)获取木片表面激光投射图案[0052]利用单色的线激光以一定的角度投射到木片表面，利用设置在木片垂直方向上的高清摄像头拍摄木片表面，通过摄像头拍摄获得图像数据为包含红、绿、蓝三色的像素数据，获得图像行像素点个数为n个，列像素点个数为m个；可以用一个五维数组image[i,j,r,g,b]进行描述，其中i表示当前像素点的行序号；j表示当前像素点的列序号；r表示该像素点的红色值；g表示该像素点的绿色值；b表示该像素点的蓝色值。[0053]对采集到的木片表面图像image[i,j,r,g,b]进行颜色筛分，具体方法是，设定图像的红绿蓝三色的临界值(cr、cg、cb)，对图像所有像素点的红绿蓝三个颜色进行判断，若像素点的红绿蓝三个颜色值均高于红绿蓝三色的临界值(cr、cg、cb)，则将该点的r、g、b各像素值均设定为0，否则将该点的r、g、b各像素值均设定为1，完成所有像素点的设定后，得到一幅黑白的图像，如图3所示，该图像由行和列两个方向的像素点构成,像素点的种类有rgb均为1的像素点(110)和rgb均为0的像素点(111)[0054](2)获取缺陷外轮廓点[0055]创建一个曲线数组outline[k,ik,jk],k为曲线上点的序号，其初值为1；ik表示当前像素点的在image图片数组中的行序号；jk表示当前像素点的在image图片数组中的列序号；创建一个计数器num，用于记录曲线数组元素的个数，其初值为0。[0056]取image[i,j,r,g,b]的第1行数据，即i＝1,从第1列开始到最后一列，进行逐列分析像素点的信息，即从j＝1(即image[1,1,r,g,b])到j＝m(即image[1,m,r,g,b])，逐个像素点判断该点image[i,j,r,g,b]的rgb值是否均等于0，若不等于0，则j＝j+1，继续判断rgb值是否均等于0，直到j＝m；若image[i,j,r,g,b]的rgb值均等于0，则在outline[k,i,j]数组中记录当前image[i,j,r,g,b]像素的i和j值，并将序数k＝k+1，将计数器num值自增，即num＝num+1；且图像image[i,j,r,g,b]跳到下一行，即i＝i+1行。[0057]重复上述像素点的步骤，直到i＝n。遍历完图像image[i,j,r,g,b]中的所有像素点，得到outline[k,ik,jk]曲线和曲线数组元素的个数num。[0058](3)获取缺陷点[0059]创建一个曲线一阶导数数组daoshu[h,ih,jh,vh],h为一阶导数元素的序号，导数数组的元素有num-1个，即h值的编号范围为1到num-1,ih表示序号为h的导数数组元素在image图片数组中的行序号；jh表示序号为h的导数数组元素在image图片数组中的列序号。vh表示曲线数组outline[k,ik,jk]在k＝h点处的导数值，vh值等于曲线数组outline[h+1,ih+1,jh+1]的列序号jh+1减去outline[h,ih,jh]的列序号jh的值，除以outline[h+1,ih+1,jh+1]的行序号ih+1值减去outline[h,ih,jh]的行序号ih值。以h＝1的点为例，daoshu[1,i1,j1,v1]＝(j2-j1)/(i2‑‑i1)；[0060]求取导数数组daoshu的平均值(meandaoshu),meandaoshu等于所有导数数组daoshu[h,ih,jh,vh]之和除以导数数组元素的个数num-1。创建一个缺陷数组quexian[p,ip,jp]用于记录缺陷的坐标,p为缺陷数组元素的序号，其初值为0；ip为序号为p的缺陷数组元素在图像数组imageimage图片数组中的行序号；jp为序号为p的缺陷数组元素在图像数组imageimage图片数组中的列序号。设定导数数组偏离临界点的临界值cdaoshu(其值根据分析精度要求，取0.01到1之间的某一值,优选0.2)，判断曲线一阶导数数组daoshu[h,ih,jh,vh]中的各vh与meandaoshu差值的绝对值是否大于cdaoshu，若其插值大于cdaoshu则quexian[p,ip,jp]的第p个元素的ip＝ih，jp＝jh，并将p＝p+1按上述方法，对daoshu数组中每一个元素进行分析，初步得到缺陷素组quexian。删除缺陷素组quexian中的第一点和最后一点(这两点对应木片的边缘，不是缺陷点)，得到本次摄像头采集的木片图像上缺陷分布的缺陷数组quexian[p,ip,jp]。[0061]定义一个总sumquexian[t,it,jt],用于统计整张木片表面的缺陷，t为缺陷的序号，it是序号为t的缺陷点在image[i,j,r,g,b]中的行序号；jt是序号为t的缺陷点在image[i,j,r,g,b]中的列序号。利用单色的线激光以一定的角度从木片表面的左下角到木片右上角逐渐移动，每次移动距离相对上次位置1-5mm(即两个平行光线之间距离为1-5mm，优选1mm)，每次移动线激光，利用高清相机拍摄木片表面线激光投射的照片，按照上述的方法，对每次移动线激光，所得到的缺陷数组quexian[p,ip,jp]进行累计，将quexian[p,ip,jp]中的所有缺陷数据累加到sumquexian[t,ip,jp]中，从而得到整张木片表面的缺陷数据。[0062](4)获取缺陷区域[0063]定义以缺陷轮廓数组quexian_outline[r,ir,jr]，r为缺陷轮廓数组中点的序号，r初值为1；ir为序号为r的轮廓数组在image[i,j,r,g,b]图片数组中的行序号；jr为序号为r的轮廓数组在image[i,j,r,g,b]e图片数组中的列序号。取缺陷数组quexian[p,ip,jp]中的第一个元素quexian[1,i1,j1]，quexian_outline添加该点，r＝r+1,ir＝ip,jr＝jp,判断该元素与缺陷数组与其余元素之间的距离d,d＝(jp-j1)*(jp-j1)+(ip-i1)*(ip-i1)的平方根。取d最小的缺陷数组元素作为的下一点,在quexian[p,ip,jp]中删除当前点，并在quexian_outline中记录该元素。[0064]重复上面的方法，直到所有缺陷点quexian都分析完毕，得到缺陷轮廓quexian_outline数组。[0065](5)计算缺陷面积[0066]由于木片表面缺陷的轮廓多为凸多边形，因此将quexian_outline[r,ir,jr]的所有点(总共有k个点)，从quexian_outline[r,ir,jr]点向除了outline[1,2,i,j]点和终点以外的点连线，可以构成k-1个三角形。对每个三角形计算三条边的边长：a,b,c，和平均周长p＝(a+b+c)/2，按照公式：三角形面积s＝p(p-a)(p-b)(p-c)的1/2次方。统计所有k-1个三角形的面积，得到缺陷的面积s，统计缺陷的数量num＝num+1和缺陷面积之和ssum＝ssum+s，如图4。[0067]完成步骤上述步骤1-4后，再次在三维数组image数组中找像素值r、g、b均不为零的点，执行步骤1-4得到image数组中所有像素点均为1为止。最终得到木片上所有缺陷的数量num和所有缺陷面积之和ssum。[0068](6)判定木片等级[0069]预设a级板临界缺陷面积(sa)，其值变化范围为：0.0001-0.2平方米，优选0.001平方米；b级板临界缺陷面积(sb)，其值变化范围为：0.0001-0.2平方米，优选0.01平方米；，当木片上缺陷面积ssum《sa判定为a级板；当木片上缺陷面积sa《ssum《sb判定为b级板；当木片上缺陷面积ssum》sb判定为c级板。[0070]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本技术旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!